截取任意四边形区域的图像. mask就是结果. 需要定义四边形区域,分别是 tl, tr, bl, br std::map<int, std::set<int>> generateBorders(const std::vector<cv::Point> & vecPts) { std::map<int, std::set<int>> borders; cv::Point tl(vecPts[0]), tr(vecPts[1]), bl(v

假如你是一位thinkphp的使用者,想必你会觉得thinkphp操作数据库非常方便.现在在你面前有一个非常小的作业,小到完全没有必要用thinkphp去完成它.但是你又觉得不用thinkphp的话,操作数据库非常麻烦.这时,你陷入了左右为难的境况.那么,下面我要分享的这个数据库操作类,可能会帮助你摆脱这种困境.这个数据库操作类虽然不能说是完全从thinkphp里扣出来的,但多多少少能看到thinkphp当年的影子,使用起来非常类似,真是方便好用啊.好了,马上来演示一下基本用法吧. 首先来演示一

Mat cannyImage; /// Detect edges using canny Canny(src, cannyImage, , , ); vector<vector<Point> > contours; vector<Vec4i> hierarchy; /// Find contours findContours(cannyImage, contours, hierarchy, CV_RETR_EXTERNAL , )); /// Approximate c

相信很多人手机里都装了个"扫描全能王"APP,平时可以用它来可以扫描一些证件.文本,确实很好用,第一次用的时候确实感觉功能很强大啊算法很牛逼啊.但是仔细一想,其实这些实现起来也是很简单的,我想了下,实现的步骤应该就只有下面三个: 将证件轮廓找到 提取证件矩形轮廓四点进行透视变换 二值化 知道原理之后,我马上利用强大的opencv开发一个类似"全能扫描王"扫描工具. 整理一下我们要制作的这个扫描工具有哪些功能: 图像的信息区域的提取与矫正 图像的二值化 锐化和增强 第

参考教程 依赖opencv扩展库,使用sifi匹配 保存配准信息 "./config/calibratedPara.yaml" #include <iostream> #include<opencv2/highgui/highgui.hpp> #include<opencv2/imgproc/imgproc.hpp> #include <opencv2/opencv.hpp> #include<opencv2/xfeatures2d

相信很多人手机里都装了个“扫描全能王”APP,平时可以用它来可以扫描一些证件.文本,确实很好用,第一次用的时候确实感觉功能很强大啊算法很牛逼啊.但是仔细一想,其实这些实现起来也是很简单的,我想了下,实现的步骤应该就只有下面三个: 将证件轮廓找到 提取证件矩形轮廓四点进行透视变换 二值化 知道原理之后,我马上利用强大的opencv开发一个类似“全能扫描王”扫描工具. 整理一下我们要制作的这个扫描工具有哪些功能: 图像的信息区域的提取与矫正 图像的二值化 锐化和增强 第二第三点都非常简单,那么制作这

前言: SVM(支持向量机)一种训练分类器的学习方法 mnist 是一个手写字体图像数据库,训练样本有60000个,测试样本有10000个 LibSVM 一个常用的SVM框架 OpenCV3.0 中的ml包含了很多的ML框架接口,就试试了. 详细的OpenCV文档:http://docs.opencv.org/3.0-beta/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html mnist数据下载:http://yann.l

粒子滤波的理论实在是太美妙了,用一组不同权重的随机状态来逼近复杂的概率密度函数.其再非线性.非高斯系统中具有优良的特性.opencv给出了一个实现,但是没有给出范例,学习过程中发现网络上也找不到.learning opencv一书中有介绍,但距离直接使用还是有些距离.在经过一番坎坷后,终于可以用了,希望对你有帮助. 本文中给出的例子跟 我的另一篇博文是同一个应用例子,都是对二维坐标进行平滑.预测 使用方法: 1.创建并初始化 const int stateNum=4;//状态数 const in

OpenCV训练分类器制作xml文档 (2011-08-25 15:50:06) 转载▼ 标签: 杂谈 分类: 学习 我的问题:有了opencv自带的那些xml人脸检测文档,我们就可以用cvLoad()这个函数加载他们,让他们对我们的人脸进行检测,但是,现在生活中的计算机视觉并不远远是检测人脸,还有很多物品需要识别,所以,能不能自己做个xml的检测文档,用它来检测自己需要的东西呢?例如,检测一个可乐瓶! 问题解决: 首先了解下,目标检测分为三个步骤: 1. 样本的创建 2. 训练分类器 3. 利

文章来自于:http://blog.renren.com/share/246648717/8171467499 基于开源项目OpenCV的人脸识别Demo版整理(不仅可以识别人脸,还可以识别眼睛鼻子嘴等)[模式识别中的翘楚]作者: 王铎 最近对人脸识别的程序非常感兴趣,但是苦于没有选修多媒体方向,看了几篇关于人脸识别的论文,大概也没看懂多少,什么灰度处理啊,切割识别啊,云里雾里,傻傻看不明白啊.各种苦恼. 于是就在网上找找,看有木有神马开源代码啊,要是有个现成的源码就更好了,百度it ,那些源码

原地址:http://www.cnblogs.com/zengqs/archive/2009/02/12/1389208.html OpenCV训练分类器 OpenCV训练分类器 一.简介 目标检测方法最初由Paul Viola [Viola01]提出,并由Rainer Lienhart [Lienhart02]对这一方法进行了改善.该方法的基本步骤为: 首先,利用样本(大约几百幅样本图片)的 harr 特征进行分类器训练,得到一个级联的boosted分类器. 分类器中的"级联"是指最

前几篇博客分享搭建人脸识别与情绪判断的环境和源码,但是没有UI,界面很难看,一打开就是opencv弹出的一个视屏框.处女座的我看着非常难受,于是决定做一个UI,稍微规矩好看一点,再怎么说,这样的话也算是一个小软件,不再是运行源码了. 上网到处查了一圈之后,发现这是一个空缺,好像没有人在做这个,看到的唯一一个有点相似的是用wxpython制作一个视屏播放器.和这个显示opencv的实时视屏还是有点差距的,但是也有指导作用. 使用版本:python-3.6.3(anaconda)   opencv-

部分 IVOpenCV 中的图像处理 OpenCV-Python 中文教程(搬运)目录 21 OpenCV 中的轮廓 21.1 初识轮廓目标 • 理解什么是轮廓 • 学习找轮廓,绘制轮廓等 • 函数:cv2.findContours(),cv2.drawContours() 21.1.1 什么是轮廓 轮廓可以简单认为成将连续的点(连着边界)连在一起的曲线,具有相同.的颜色或者灰度.轮廓在形状分析和物体的检测和识别中很有用. • 为了更加准确,要使用二值化图像.在寻找轮廓之前,要进行阈值化处理.或

部分 VIII机器学习 OpenCV-Python 中文教程(搬运)目录 46 K 近邻(k-Nearest Neighbour ) 46.1 理解 K 近邻目标 • 本节我们要理解 k 近邻(kNN)的基本概念.原理 kNN 可以说是最简单的监督学习分类器了.想法也很简单,就是找出测试数据在特征空间中的最近邻居.我们将使用下面的图片介绍它. 上图中的对象可以分成两组,蓝色方块和红色三角.每一组也可以称为一个 类.我们可以把所有的这些对象看成是一个城镇中房子,而所有的房子分别属于蓝色和红色家族,

不断维护的地址:http://plzcoding.com/face-recognition-with-opencv/ 怎样使用OpenCV进行人脸识别 本文大部分来自OpenCV官网上的Face Reconition with OpenCV这节内容(http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html),小弟我尝试翻译一些重要内容.这部分内容是Philipp Wagner写的,他的github:https

一.理论基础 在数学中我们学过线性理论,在图像亮度和对比度调节中同样适用,看下面这个公式: 在图像像素中其中: 参数f(x)表示源图像像素. 参数g(x) 表示输出图像像素. 参数a(需要满足a>0)被称为增益(gain),常常被用来控制图像的对比度. 参数b通常被称为偏置(bias),常常被用来控制图像的亮度. 二.获取图像像素 在opencv中图像数据是存放在Mat数据类型中,我们知道一个像素有rgb构成,所以Mat是个三维数组,一下就是简单的获取mat中图像像素. //三个for循环,执行

Python配置opencv 原理 Python调用opencv的原理是:opencv编译出共享库文件,python把这个共享库文件作为一个模块加载并使用. 通俗点就是,编译opencv的时候开启python接口选项,编译好了会产生cv2.so(linux下)或者cv2.pyd(windows下)这个共享库文件,python代码中import这个cv2就可以用了.为了能正确import它,往往需要把cv2.so放在python找包能找到的路径下,或者修改PYTHONPATH环境变量让它包含cv2

最近用到KNN方法,学习一下OpenCV给出的demo. demo大意是随机生成两团二维空间中的点,然后在500*500的二维空间平面上,计算每一个点属于哪一个类,然后用红色和绿色显示出来每一个点 如下是一系demo里用到的相关函数. 运行效果: 红色背景应该是表示每一个像素的类别标签和红色的点的标签相同.同理,绿色背景表示绿色的像素与绿色的点是同一个类的. demo.cpp: #include "ml.h" #include "highgui.h" int mai

在机器视觉中追踪时常会用到预测算法,kalman是你一定知道的.它可以用来预测各种状态,比如说位置,速度等.关于它的理论有很多很好的文献可以参考.opencv给出了kalman filter的一个实现,而且有范例,但估计不少人对它的使用并不清楚,因为我也是其中一个.本文的应用是对二维坐标进行预测和平滑 使用方法: 1.初始化 const int stateNum=4;//状态数,包括(x,y,dx,dy)坐标及速度(每次移动的距离) const int measureNum=2;//观测量,能看